Publicación:

Diseño de un interfaz electrónica para el reconocimiento de patrones emg para prótesis de mano

Resumen

Implementar sistemas para control de prótesis con alta funcionalidad demanda reconocer a partir de impulsos eléctricos los movimientos ejecutados. Este trabajo representa los resultados de la investigación realizada con el objetivo de identificar automáticamente, en pacientes sanos, los movimientos básicos de la mano: Apertura, Cierre, Flexión, Extensión, Pronación y Supinación, incluyendo la condición de reposo. El proceso de discriminación se desarrolló como un problema de reconocimiento de patrones teniendo en cuenta la metodología modular presentada en los trabajos realizados por Zecca† y los doctores Englehart, Parker y Hudgins, ‡ donde se describe el esquema para abordar la clasificación de movimientos a partir del estado estable de señales electromiográficas superficiales (EMG’s). Para lograr el objetivo se construyó una interface hardware - software que permitió crear registros de datos y clasificar off line cada 256 ms de señal adquirida. La interface constituye un sistema de adquisición para señales EMG’s de dos canales diferenciales con algoritmos en MATLAB® y LABVIEW® que realizan el procesamiento digital. Mediante la Transformada Wavelet Discreta se obtiene información en tiempo y frecuencia para describir la actividad eléctrica muscular generada al realizar un movimiento, además realizando Análisis de Componentes Principales (PCA) se organiza el patrón EMG (electromiográfico) para la discriminación a través de métodos de inteligencia artificial, en este caso se usaron Maquinas de Soporte Vectorial. Como resultado se definieron modelos que permiten realizar el análisis de forma automática; mostrando que utilizar Symlet4, cuarto nivel de resolución, valor RMS de los coeficientes de detalle y aproximación, descomposición PCA normalizada y criterio de reducción estándar formulado por los autores; permite identificar movimientos con tasas de acierto que alcanzan el 99.25%. También se especificaron las indicaciones para realizar el entrenamiento y validación del sistema de inteligencia artificial. Además, los resultados obtenidos son validos para personas de diferente género, edad y complexión física.